赫夫曼树
基本介绍
- 给定n个权值作为n个叶子结点，构造一棵二叉树，若该树的带权路径长度(wpl)达到最小，称这样的二叉树为 最优二叉树，也称为哈夫曼树(Huffman Tree), 还有的书翻译为霍夫曼树。
- 赫夫曼树是带权路径长度最短的树，权值较大的结点离根较近
赫夫曼树几个重要概念和举例说明
- 路径和路径长度:在一棵树中，从一个结点往下可以达到的孩子或孙子结点之间的通路，称为路径。通路中分支的数目称为路径长度。若规定根结点的层数为 1，则从根结点到第 L 层结点的路径长度为 L-1
- 结点的权及带权路径长度:若将树中结点赋给一个有着某种含义的数值，则这个数值称为该结点的权。结 点的带权路径长度为:从根结点到该结点之间的路径长度与该结点的权的乘积
- 树的带权路径长度:树的带权路径长度规定为所有叶子结点的带权路径长度之和，记为 WPL(weighted path length) ,权值越大的结点离根结点越近的二叉树才是最优二叉树。
- WPL最小的就是赫夫曼树
思路图解
给你一个数列 {13, 7, 8, 3, 29, 6, 1}，要求转成一颗赫夫曼树.
构成赫夫曼树的步骤:
- 从小到大进行排序,将每一个数据，每个数据都是一个节点，每个节点可以看成是一颗最简单的二叉树
- 取出根节点权值最小的两颗二叉树
- 组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
- 再将这颗新的二叉树，以根节点的权值大小 再次排序， 不断重复 1-2-3-4 的步骤，直到数列中，所有的数据都被处理，就得到一颗赫夫曼树
- 图解:
代码实现
package com.dsh.huffmantree;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
/**
* @author DSH
* @date 2020/9/7
* @description 赫夫曼树
*/
public class HuffmanTree {
public static void main(String[] args) {
int arr[] = {13,7,8,3,29,6,1};
Node root = createrHuffmanTree(arr);
preOrder(root);
}
//编写一个前序遍历的方法
public static void preOrder(Node root){
if (root==null){
System.out.println("树是空树,不能遍历");
return;
}
root.preOrder();
}
//创建赫夫曼树
public static Node createrHuffmanTree(int[] arr){
//为了操作方便
//1 遍历arr数组
//2 将arr的每一个元素构建成一个node
//3 将node放入到arrayList中
List<Node> nodes = new ArrayList<>();
for (int value: arr){
nodes.add(new Node(value));
}
//处理的过程是一个循环的过程
while (nodes.size()>1){
//排序
Collections.sort(nodes);
System.out.println("nodes=="+nodes);
//取出根节点权值最小的两颗二叉树
//1 取出权值最小的节点
Node left = nodes.get(0);
//2 取出权值第二小的节点
Node right = nodes.get(1);
//3 构建一颗新的二叉树
Node parent = new Node(left.value+right.value);
parent.left = left;
parent.right = right;
//4 从arraylist中删除处理过的二叉树
nodes.remove(left);
nodes.remove(right);
// 5 将parent加入到node中
nodes.add(parent);
}
//返回赫夫曼树的root节点
return nodes.get(0);
}
}
//创建节点类
//为了让node对象持续排序Collections集合排序
class Node implements Comparable<Node>{
int value;//节点权值
Node left;//左子节点
Node right;//右子节点
public Node(int value) {
this.value = value;
}
@Override
public String toString() {
return "Node{" +
"value=" + value +
'}';
}
@Override
public int compareTo(Node o) {
//从小到大排序
return this.value-o.value;
}
//前序遍历
public void preOrder(){
System.out.println(this);
if (this.left!=null){
this.left.preOrder();
}
if (this.right!=null){
this.right.preOrder();
}
}
}
赫夫曼编码
基本介绍
- 赫夫曼编码也翻译为 哈夫曼编码(Huffman Coding)，又称霍夫曼编码，是一种编码方式, 属于一种程序算法
- 赫夫曼编码是赫哈夫曼树在电讯通信中的经典的应用之一。
- 赫夫曼编码广泛地用于数据文件压缩。其压缩率通常在20%~90%之间
- 赫夫曼码是可变字长编码(VLC)的一种。Huffman于1952年提出一种编码方法，称之为最佳编码
原理剖析
通信领域中信息的处理方式 1-定长编码
通信领域中信息的处理方式 2-变长编码
通信领域中信息的处理方式 3-赫夫曼编码
步骤如下:
传输的 字符串
- i like like like java do you like a java
- d:1 y:1 u:1 j:2 v:2 o:2 l:4 k:4 e:4 i:5 a:5 :9 // 各个字符对应的个数
- 按照上面字符出现的次数构建一颗赫夫曼树, 次数作为权值
步骤:
构成赫夫曼树的步骤:- 从小到大进行排序, 将每一个数据，每个数据都是一个节点 ， 每个节点可以看成是一颗最简单的二叉树
- 取出根节点权值最小的两颗二叉树
- 组成一颗新的二叉树, 该新的二叉树的根节点的权值是前面两颗二叉树根节点权值的和
- 再将这颗新的二叉树，以根节点的权值大小 再次排序， 不断重复 1-2-3-4 的步骤，直到数列中，所有的数据都被处理， 就得到一颗赫夫曼树
- 根据赫夫曼树，给各个字符,规定编码 (前缀编码)， 向左的路径为 0 向右的路径为 1 ， 编码 如下:
o: 1000
u: 10010
d: 100110
y: 100111
i: 101
a: 110
k: 1110
e: 1111
j: 0000
v: 0001.
l: 001
: 01(空格) - 按照上面的赫夫曼编码，我们的"i like like like java do you like a java" 意这里我们使用的无损压缩) 10101001101111011110100110111101111010011011110111101000011000011100110011110000110 01111000100100100110111101111011100100001100001110 通过赫夫曼编码处理 长度为 133
- 长度为 : 133
说明:
原来长度是 359 , 压缩了 (359-133) / 359 = 62.9%
此编码满足前缀编码,即字符的编码都不能是其他字符编码的前缀。不会造成匹配的多义性 赫夫曼编码是无损处理方案
注意事项
注意, 这个赫夫曼树根据排序方法不同，也可能不太一样，这样对应的赫夫曼编码也不完全一样，但是 wpl 是一样的，都是最小的, 最后生成的赫夫曼编码的长度是一样，比如: 如果我们让每次生成的新的二叉树总是排在权 值相同的二叉树的最后一个，则生成的二叉树为:
最佳实践-数据压缩(创建赫夫曼树)
将给出的一段文本，比如 "i like like like java do you like a java" ， 根据前面的讲的赫夫曼编码原理，对其进行数 据压缩处理 ，形式如 "1010100110111101111010011011110111101001101111011110100001100001110011001111000011001111000100100100 110111101111011100100001100001110
"
步骤 1:
根据赫夫曼编码压缩数据的原理，需要创建 "i like like like java do you like a java" 对应的赫夫曼树.
思路:
（1） Node { data （存放数据），weight （权值），left 和right }
（2）得到"i like like like java do you likea java"对应的byte【】 数组
（3）编写一个方法，将准备构建赫夫曼树的Node节点放到List ，形式[Node[data='97 weight = 5]， Node[date=32，weight=9].....],体现d：1 y：1 u：1 j：2 v：2 o：2 l：4 k：4 e：4i：5 a：5 ：9
（4）可以通过List创建对应的赫夫曼树
/**
* @author DSH
* @date 2020/9/10
* @description 赫夫曼编码
*/
public class HUffmanCode {
public static void main(String[] args) {
String str = "i like like like java do you like a java";
byte[] contentBytes = str.getBytes();
System.out.println(contentBytes.length);//40
List<Node> nodes = getNodes(contentBytes);
System.out.println("contentBytes=="+nodes);
Node root = createHuffmanTree(nodes);
System.out.println("赫夫曼树==");
root.preOrder();
}
// 接收一个字节数组
// 返回的就是List [Node[data='97 weight = 5]， Node[date=32，weight=9].....]
private static List<Node> getNodes(byte[] bytes){
// 创建arraylist
ArrayList<Node> nodes = new ArrayList<>();
// 存储每一个byte出现的次数
HashMap<Byte, Integer> counts = new HashMap<>();
for (byte b:bytes) {
Integer count = counts.get(b);
if (count==null){
//map中没有这个字符数据
counts.put(b,1);
}else {
counts.put(b,count+1);
}
}
//把每个键值对转成Node对象,并加入到nodes集合
for (Map.Entry<Byte,Integer> entry:counts.entrySet()){
nodes.add(new Node(entry.getKey(),entry.getValue()));
}
return nodes;
}
//通过List 创建对应的赫夫曼树
private static Node createHuffmanTree(List<Node> nodes){
while (nodes.size()>1){
//从小到大排序
Collections.sort(nodes);
//取出最后第一个最小的二叉树
Node leftNode = nodes.get(0);
//取出最后第二个最小的二叉树
Node rightNode = nodes.get(1);
//创建一个新的二叉树,它的根节点没有data 只有权值
Node parent = new Node(null,leftNode.weight+rightNode.weight);
parent.left = leftNode;
parent.right = rightNode;
//将已经处理的两颗二叉树移除
nodes.remove(leftNode);
nodes.remove(rightNode);
//将新的二叉树加入到nodes
nodes.add(parent);
}
//返回最后的节点 即根节点
return nodes.get(0);
}
}
//创建node ,带数据和权值
class Node implements Comparable<Node>{
Byte data;//存放数据本身 比如a=97 ' ' = 32
int weight;//权值
Node left;
Node right;
public Node(Byte data, int weight) {
this.data = data;
this.weight = weight;
}
@Override
public int compareTo(Node o) {
return this.weight-o.weight;
}
@Override
public String toString() {
return "Node{" +
"data=" + data +
", weight=" + weight +
'}';
}
//前序遍历
public void preOrder(){
System.out.println(this);
if (this.left!=null){
this.left.preOrder();
}
if (this.right!=null){
this.right.preOrder();
}
}
}
最佳实践-数据压缩(生成赫夫曼编码和赫夫曼编码后的数据)
我们已经生成了 赫夫曼树, 下面我们继续完成任务
- 生成赫夫曼树对应的赫夫曼编码 , 如下表: =01 a=100 d=11000 u=11001 e=1110 v=11011 i=101 y=11010 j=0010 k=1111 l=000 o=0011
- 使用赫夫曼编码来生成赫夫曼编码数据 ,即按照上面的赫夫曼编码，将"i like like like java do you like a java" 字符串生成对应的编码数据, 形式如下. 1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100
- 思路分析
- 将赫夫曼编码表存放在Map<Byte,String>形式
32->01 97->100 100->11000等等[形式] - 在生成赫夫曼编码表时,需要去拼接路径,定义一个StringBuilder,存储某个叶子节点的路径
- 将赫夫曼编码表存放在Map<Byte,String>形式
- 代码实现:
// 2 生成赫夫曼树对应的赫夫曼编码
//思路
//1. 将赫夫曼编码表存放在Map<Byte,String>形式
// 32->01 97->100 100->11000等等[形式]
static Map<Byte,String> huffmanCodes = new HashMap<>();
//2. 在生成赫夫曼编码表时,需要去拼接路径,定义一个StringBuilder,存储某个叶子节点的路径
static StringBuilder stringBuilder = new StringBuilder();
//为了调用方便,重载getCodes
private static Map<Byte,String> getCodes(Node root){
if (root==null){
return null;
}
//处理root的左子树
getCodes(root.left,"0",stringBuilder);
//处理root的右子树
getCodes(root.right,"1",stringBuilder);
return huffmanCodes;
}
/**
* 功能: 将传入的node节点的所有叶子节点的赫夫曼编码得到,并放入到huffmanCodes集合
* @param node 传入节点
* @param code 路径: 左子节点是0,右子节点是1
* @param stringBuilder 用于拼接路径
*/
private static void getCodes(Node node,String code,StringBuilder stringBuilder){
StringBuilder stringBuilder2 = new StringBuilder(stringBuilder);
//将code加入到StringBuilder2
stringBuilder2.append(code);
if (node!=null){//空节点不处理
//判断当前node是叶子节点还是非叶子节点
if (node.data==null){//非叶子节点
//递归处理
//向左递归
getCodes(node.left,"0",stringBuilder2);
//向右递归
getCodes(node.right,"1",stringBuilder2);
}else {
huffmanCodes.put(node.data,stringBuilder2.toString());
}
}
}
- 测试
main{
//测试是否生成了对应的赫夫曼编码
getCodes(root);
System.out.println("生成的赫夫曼编码表=="+huffmanCodes);
//打印结果
{32=01, 97=100, 100=11000, 117=11001, 101=1110, 118=11011, 105=101, 121=11010, 106=0010, 107=1111, 108=000, 111=0011}
}
最佳实践-数据解压(使用赫夫曼编码解码)
使用赫夫曼编码来解码数据，具体要求是
- 前面我们得到了赫夫曼编码和对应的编码 byte[] , 即:[-88, -65, -56, -65, -56, -65, -55, 77 , -57, 6, -24, -14, -117, -4, -60, -90, 28]
- 现在要求使用赫夫曼编码， 进行解码，又 重新得到原来的字符串"i like like like java do you like a java"
- 思路:解码过程，就是编码的一个逆向操作。
- 代码实践:
//3 数据解压
// 编写一个方法, 将字符串对应的byte[] 数组,通过生成的赫夫曼编码表, 返回一个赫夫曼编码 压缩后的byte[]
/**
*
* @param bytes 原始的字符串对应的byte[]
* @param huffmanCodes 生成的赫夫曼编码map
* @return 返回赫夫曼编码处理后的byte[]
* 举例 String content = "i like like like java do you like a java"; => byte[] contentBytes = str.getBytes();
* 返回的是 字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100"
* => 对应的byte[] huffmanCodeBytes, 即8位对应一个byte, 放入到huffmanCodeBytes
* huffmanCodeBytes[0] = 10101000(补码) =>byte [推导 10101000 => 10101000 -1 => 10100111(反码) => 11011000 = -88]
* huffmanCodeBytes[1] = -88
*/
private static byte[] zip(byte[] bytes,Map<Byte,String> huffmanCodes){
//1. 利用huffmanCodes 将bytes 转成 赫夫曼编码对应的字符串
StringBuilder stringBuilder1 = new StringBuilder();
// 遍历byte数组
for (byte b : bytes){
stringBuilder.append(huffmanCodes.get(b));
}
// System.out.println("stringBuilder=="+stringBuilder.toString());//1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100
//将1010100010111111... 转成byte[]
//统计返回byte[] huffmanCodeBytes 长度
int len;
if (stringBuilder.length()%8==0){
len = stringBuilder.length()/8;
}else {
len = stringBuilder.length()/8+1;
}
// 创建一个存储压缩后的byte数组
byte[] huffmanCodeBytes = new byte[len];
int index = 0; //记录是第几个byte
for (int i = 0; i < stringBuilder.length(); i+=8) {//因为是每8位一个byte 所以步长+8
String strByte;
if (i+8>stringBuilder.length()){
//不够8位
strByte = stringBuilder.substring(i);
}else {
strByte = stringBuilder.substring(i,i+8);
}
// 将strByte转成一个byte, 放入到huffmanCodeBytes
huffmanCodeBytes[index] = (byte) Integer.parseInt(strByte,2);//二进制
index++;
}
return huffmanCodeBytes;
}
方法调用封装
//使用一个方法,将方法封装起来 便于调用
/**
* @param bytes 原始的字符串对应的字节数组
* @return 是经过赫夫曼编码处理后的字节数组(压缩后的数组)
*/
private static byte[] huffmanZip(byte[] bytes){
// 拿到nodes
List<Node> nodes = getNodes(bytes);
// 根据nodes创建赫夫曼树
Node root = createHuffmanTree(nodes);
//对应的赫夫曼编码
Map<Byte, String> huffmanCodes = getCodes(root);
//根据生成的赫夫曼编码 压缩得到压缩后的赫夫曼编码字节数组
byte[] huffmanCodeBytes = zip(bytes, huffmanCodes);
return huffmanCodeBytes;
}
main中调用
public static void main(String[] args) {
String str = "i like like like java do you like a java";
byte[] contentBytes = str.getBytes();
System.out.println(contentBytes.length);//40
// //1 拿到nodes
// List<Node> nodes = getNodes(contentBytes);
// System.out.println("contentBytes=="+nodes);
//
// //2 创建二叉树 赫夫曼树
// Node root = createHuffmanTree(nodes);
// System.out.println("赫夫曼树==");
// root.preOrder();
//
// //3 测试是否生成了对应的赫夫曼编码
// getCodes(root);
// System.out.println("生成的赫夫曼编码表=="+huffmanCodes);
//
// //4 赫夫曼编码 数据解压
// byte[] huffmanCodeBytes = zip(contentBytes,huffmanCodes);
// System.out.println("huffmanCodeBytes=="+Arrays.toString(huffmanCodeBytes));
byte[] huffmanCodeBytes = huffmanZip(contentBytes);
System.out.println("huffmanCodeBytes=="+Arrays.toString(huffmanCodeBytes));
// 输出 [-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
// 长度 17
// 压缩率 (40-17) 40 = 57.5%
}
解压为字符串并输出
使用赫夫曼编码来解码数据，具体要求是
- 前面我们得到了赫夫曼编码和对应的编码 byte[] , 即:[-88, -65, -56, -65, -56, -65, -55, 77 , -57, 6, -24, -14, -117, -4, -60, -90, 28]
- 现在要求使用赫夫曼编码， 进行解码，又 重新得到原来的字符串"i like like like java do you like a java"
- 思路:解码过程，就是编码的一个逆向操作。
- 代码实现:
// 5 完成数据的解压
// 思路
// 1. 将huffmanCodeBytes :[-88, -65, -56, -65, -56, -65, -55, 77, -57, 6, -24, -14, -117, -4, -60, -90, 28]
// 重新转成赫夫曼编码对应的二进制字符串 "1010100010111111110010001011111111001000101111111100100101001101110001110000011011101000111100101000101111111100110001001010011011100"
// 2. 赫夫曼编码对应的二进制的字符串 "101010001011111111001..." => 对照赫夫曼编码 => "i like like like java do you like a java"
/**
* @param huffmanCodes 赫夫曼编码表 map
* @param huffmanBytes 赫夫曼编码得到的字节数组
* @return 返回原来的字符串对应的数组
*/
private static byte[] decode (Map<Byte,String> huffmanCodes, byte[] huffmanBytes){
//1 先得到huffmanBytes 对应的二进制的字符串 形如 1010100010111...
StringBuilder stringBuilder = new StringBuilder();
//2 将byte数组转成二进制的字符串
for (int i = 0; i < huffmanBytes.length; i++) {
//判断是不是最后一个字节
boolean flag = (i==huffmanBytes.length-1);
stringBuilder.append(byteToBitString(!flag,huffmanBytes[i]));
}
// System.out.println("赫夫曼字节数组对应的二进制字符串="+stringBuilder1);//1010100010111...
//把字符串按照指定的赫夫曼编码进行解码
//把赫夫曼编码表进行调换, 因为要反向查询 a->100 100->a
Map<String,Byte> map = new HashMap<>();
for (Map.Entry<Byte,String> entry: huffmanCodes.entrySet()){
map.put(entry.getValue(),entry.getKey());
}
// System.out.println("map=="+map);//{000=108, 01=32, 100=97, 101=105, 11010=121, 0011=111, 1111=107, 11001=117, 1110=101, 11000=100, 11011=118, 0010=106}
List<Byte> list = new ArrayList<>();
// i 可以理解成是索引 , 扫描stringBuilder
for (int i = 0; i < stringBuilder.length(); ) {
int count = 1;// 小的计数器
boolean flag = true;
Byte b = null;
while (flag){
//1010100010111...
//取出一个'1'或'0'
String key = stringBuilder.substring(i,i+count);// i不动 count移动 直到匹配到一个字符
b = map.get(key);
if (b == null){
count++;
}else {
flag = false;
}
}
list.add(b);
i += count;//让i直接移动到count
}
//当for循环结束后, list中就存放了所有的字符 "i like java..."
//把list中的数据放入到byte[] 并返回
byte[] b = new byte[list.size()];
for (int i = 0; i < b.length; i++) {
b[i] = list.get(i);
}
return b;
}
/**
* 将一个byte转成一个二进制的字符串
* flag 标志是否需要补高位 如果是true 表示需要补高位 flase表示不补 如果是最后一个字节 无需补高位
* return 是该b 对应的二进制的字符串, (注意是按补码返回)
*/
private static String byteToBitString(boolean flag,byte b){
//使用变量保存b
int temp = b;//将b转成int
//如果是正数 还存在补高位的问题
if (flag){
temp |= 256;//按位与 256 1 0000 0000 | 0000 0001 => 1 0000 0001
}
String str = Integer.toBinaryString(temp);//返回的是temp对应的二进制的补码
System.out.println("str="+str);
if (flag){
return str.substring(str.length()-8);
}else {
return str;
}
}
main中调用
//解压
byte[] sourceBytes = decode(huffmanCodes, huffmanCodeBytes);
System.out.println("原来的字符串==" + new String(sourceBytes));//i like like like java do you like a java
最佳实践-文件压缩
来完成对文件的压缩和解压， 具体要求: 给你一个图片文件，要求对其进行无损压缩, 看看压缩效果如何。
- 思路:读取文件-> 得到赫夫曼编码表 -> 完成压缩
- 代码实现:
// 7 编写一个方法 将一个文件进行压缩
/**
*
* @param srcFile 传入的文件路径
* @param dstFile 压缩后的文件目标输出目录
*/
public static void zipFile(String srcFile,String dstFile){
//创建输入输出流
FileOutputStream outputStream = null;
FileInputStream inputStream = null;
//对象输出流
ObjectOutputStream oos = null;
try {
//创建文件的输入流
inputStream = new FileInputStream(srcFile);
//创建一个和源文件大小一样的byte[]
byte[] b = new byte[inputStream.available()];
//读取文件
inputStream.read(b);
// 直接对源文件压缩
byte[] huffmanBytes = huffmanZip(b);
// 创建文件的输出流,存放压缩文件
outputStream = new FileOutputStream(dstFile);
//创建一个和文件输出流关联的ObjectOutputStream
oos = new ObjectOutputStream(outputStream);
//把 赫夫曼编码后的字节数组写入压缩文件
oos.writeObject(huffmanBytes);//先把huffmanBytes
// 这里以对象流的方式写入赫夫曼编码, 是为了解压的时候恢复源文件时使用
// 注意: 一定要把赫夫曼编码写入压缩文件
oos.writeObject(huffmanCodes);
} catch (Exception e) {
e.printStackTrace();
System.out.println(e.getMessage());
}finally {
try {
inputStream.close();
outputStream.close();
oos.close();
} catch (Exception e) {
System.out.println(e.getMessage());
}
}
}
main测试
//测试文件压缩
String srcFile = "/Users/dongshuhuan/Desktop/20200917002027.jpg";
String dstFile = "/Users/dongshuhuan/Desktop/zip_20200917002027.jpg";
zipFile(srcFile, dstFile);
System.out.println("压缩文件OK");
最佳实践-文件解压(文件恢复)
具体要求:将前面压缩的文件，重新恢复成原来的文件。
- 思路:读取压缩文件(数据和赫夫曼编码表)-> 完成解压(文件恢复)
- 代码实现:
//8 编写一个方法 完成对压缩文件的解压
/**
* @param zipFile 压缩文件路径
* @param dstFile 将文件解压到哪个路径
*/
public static void unzipFile(String zipFile, String dstFile) {
//定义文件输入流
InputStream is = null;
// 定义一个对象输入流
ObjectInputStream ois = null;
// 定义文件的输出流
OutputStream os = null;
try {
//创建文件输入流
is = new FileInputStream(zipFile);
//创建一个和 is 关联的对象输入流
ois = new ObjectInputStream(is);
//读取 byte 数组 huffmanBytes
byte[] huffmanBytes = (byte[]) ois.readObject();
//读取赫夫曼编码表
Map<Byte, String> huffmanCodes = (Map<Byte, String>) ois.readObject();
//解码
byte[] bytes = decode(huffmanCodes, huffmanBytes); //将 bytes 数组写入到目标文件
os = new FileOutputStream(dstFile);
//写数据到 dstFile 文件
os.write(bytes);
} catch (Exception e) {
System.out.println(e.getMessage());
} finally {
try {
os.close();
ois.close();
is.close();
} catch (Exception e2) {
System.out.println(e2.getMessage());
}
}
}
main方法测试
//解压文件
String zipFile = "/Users/dongshuhuan/Desktop/zip_20200917002027.jpg";
String dstFile2 = "/Users/dongshuhuan/Desktop/unzip_20200917002027.jpg";
unzipFile(zipFile, dstFile2);
System.out.println("解压成功");
赫夫曼编码压缩文件注意事项
- 如果文件本身就是经过压缩处理的，那么使用赫夫曼编码再压缩效率不会有明显变化, 比如视频,ppt 等等文件
- 赫夫曼编码是按字节来处理的，因此可以处理所有的文件(二进制文件、文本文件)
- 如果一个文件中的内容，重复的数据不多，压缩效果也不会很明显.
